Exceto pela Monad, cujo TGE acabou agora, a Mindshare está em terceiro lugar em termos de interesse, @SentientAGI. Atualmente, várias especulações estão circulando, e a mais importante delas é o TGE de novembro. Na minha opinião, novembro parece um pouco cedo. Houve conversas sobre um programa de pontos no próprio site, mas ainda não foi implementado, e atualmente não há notícias sobre a pré-venda que estão circulando. Isso é apenas a minha opinião pessoal, e se o TGE acontecer em novembro, as recompensas de Discord e Yapping serão extremamente atraentes. Dado que, além dessas duas, não há muitos lugares para distribuir airdrops para a comunidade. Embora não seja como a Monad, acho que podemos oferecer algumas milhares de recompensas de Discord, e aqueles que estão no topo da leaderboard podem realmente esperar valores na casa dos milhões. Espero que aqueles que têm trabalhado duro até agora recebam boas notícias... E que eu também consiga entrar na leaderboard... Vamos lá, Sentient, sonhando com um AGI possuído pela comunidade!!!!

A maioria dos LLM existentes não se atualiza sozinha em um novo ambiente após ser treinada uma vez. Ou seja, julga apenas com uma base de conhecimento fixa e não pode evoluir. Isso é chamado de inteligência estática (STATIC INTELLIGENCE) AI. Por outro lado, um sistema artificial que aprende e evolui por conta própria de acordo com ambientes em mudança e novos dados é chamado de inteligência adaptativa (Adaptive Intelligence) AI. A MindGames Arena da @SentientAGI é o primeiro torneio de AI auto-aprendiz em todo o mundo, organizado diretamente pela NeurlPS. "Deve-se adaptar em meio a informações incompletas e um oponente que está em constante mudança." Esse é o objetivo do torneio, onde os agentes de AI são projetados para trair, formar alianças e agir como humanos dentro da arena. Esta é também a primeira tentativa de AI aprender através de contextos sociais e evoluir sua inteligência nas relações. As principais vulnerabilidades da AI descobertas através dos mindgames da Sentient incluem falha em se adaptar a mudanças na estratégia do oponente / falha em manter objetivos de longo prazo / tendência excessiva a ataques. No entanto, essas falhas não são desvantagens, mas podem ser vistas como "remédios que, embora difíceis de usar, têm efeitos garantidos" que indicam claramente a direção que a AI deve melhorar. Se conseguirmos acelerar o desenvolvimento da AGI, que até agora existia apenas na teoria, através da MINDE GAMES ARENA da Sentient, será como construir um novo paradigma que vai da inteligência estática AI para a inteligência adaptativa AI. No futuro, é difícil imaginar qual será o valor da Sentient. Ainda podemos ser usuários em um estágio muito inicial.

No dia 15, a @SentientAGI anunciou que quatro artigos foram aceites na NeurIPSConf, a maior conferência de IA do mundo. Dentre eles, o LiveCodeBench Pro foi explicado pelo usuário 냐옹쩌둥. OML: A Primitive for Reconciling Open Access with Owner Control in AI Model Distribution Vou tentar explicar este artigo de forma mais fácil! Primeiro, podemos dividir as IAs que existem atualmente em duas categorias. 1. Closed AI (ChatGPT, claude, Gemini) Como o nome sugere, é uma IA fechada. Os usuários não podem ver ou modificar o modelo diretamente. No entanto, as empresas podem controlar o modelo e lucrar com ele de forma exclusiva. 2. Open AI (Llama, Mistral) As Open AIs podem ser modificadas e baixadas por qualquer pessoa. Mas quem cria o modelo não pode impedir a cópia ilegal nem lucrar com isso. Aqui, os pesquisadores da Sentient propuseram um novo conceito chamado OML para resolver o dilema entre abertura e controle. Este é também o tema central do artigo que estou apresentando, hehe. OML, simplificando, é uma tecnologia que insere código em modelos de IA. Esse código faz com que apenas usuários autorizados possam operar o modelo normalmente. Quando um usuário não autorizado faz uma pergunta, o modelo se distingue e pode dar respostas estranhas ou funcionar lentamente! Vamos dar um exemplo prático? Antigamente, para baixar filmes, a maioria das pessoas usava torrents. Esses torrents podem ser baixados e copiados por qualquer um, mas o criador não ganha dinheiro com isso. Mas o modelo OML é como a Netflix: qualquer um pode assistir ao filme, mas ele só é reproduzido para quem está logado, e o histórico de visualização é mantido! Assim, também gera receita! Espero que tenha ficado claro, vamos seguir em frente, hehe. Na versão 1.0 do OML, existe uma tecnologia central chamada Fingerprinting. É uma tecnologia que insere padrões de resposta baseados em chaves secretas diretamente no modelo de IA. Isso permite o rastreamento e verificação de uso ilegal posteriormente. É também uma forma prática de implementação apresentada neste artigo! Você pode se perguntar: "Isso não vai diminuir o desempenho do modelo de IA?" Mas já foi relatado que a diminuição de desempenho em relação ao original é inferior a 1%, hehe. Além disso, é possível inserir milhares de chaves secretas únicas! A visão que a Sentient apresenta através do OML é a seguinte: 1. Modelos de Open AI podem ser usados sem vazamento de dados. 2. Proporcionar uma estrutura de receita para os proprietários de modelos de IA. 3. Provar a propriedade do modelo de IA e detectar distribuição ilegal. Ou seja, o OML é a base que torna tecnicamente possível uma economia de modelos de Open AI descentralizados!! Ainda não é possível garantir segurança total, e embora a detecção de cópias ilegais seja viável, a prevenção não é, mas sinceramente, como é um projeto que saiu há apenas um ano, estou mais animado do que preocupado!! O que vocês acham?